Seborn的热图版本：

import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

如果您的主要目标是可视化关联矩阵，而不是创建曲线图本身，那么方便的pandasstyling options是一个可行的内置解决方案：

import pandas as pd
import numpy as np

rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(10, 10))
corr = df.corr()
corr.style.background_gradient(cmap='coolwarm')

# 'RdBu_r', 'BrBG_r', & PuOr_r are other good diverging colormaps

请注意，这需要位于支持呈现HTML的后端，例如JupyterLab Notebook。

造型

您可以轻松地限制数字精度：

corr.style.background_gradient(cmap='coolwarm').set_precision(2)

或者，如果您更喜欢不带注解的矩阵，则完全去掉数字：

corr.style.background_gradient(cmap='coolwarm').set_properties(**{'font-size': '0pt'})

样式文档还包括更高级样式的说明，例如如何更改鼠标指针悬停在其上的单元格的显示。

时间对比

在我的测试中，使用10x10矩阵的style.background_gradient()比plt.matshow()快4倍，比sns.heatmap()快120倍。遗憾的是，plt.matshow()的可扩展性不如plt.matshow()：100x100矩阵的速度与plt.matshow()相同，而1000x1000矩阵的plt.matshow()速度则快10倍。

节省时间

有几种可能的方法可以保存风格化的 Dataframe ：

• 通过追加render()方法返回HTML，然后将输出写入文件。
• 通过追加to_excel()方法，以条件格式另存为.xslx文件。
• Combine with imgkit to save a bitmap
• 截屏(就像我在这里所做的那样)。

整矩阵归一化颜色(Pandas>=0.24)

通过设置axis=None，现在可以基于整个矩阵而不是按列或按行计算颜色：

corr.style.background_gradient(cmap='coolwarm', axis=None)

单角热图

由于很多人都在阅读这个答案，我想我应该加上一个提示，告诉你如何只显示相关性矩阵的一角。我觉得我自己读起来更容易，因为它去掉了多余的信息。

# Fill diagonal and upper half with NaNs

mask = np.zeros_like(corr, dtype=bool)
mask[np.triu_indices_from(mask)] = True
corr[mask] = np.nan
(corr
 .style
 .background_gradient(cmap='coolwarm', axis=None, vmin=-1, vmax=1)
 .highlight_null(null_color='#f1f1f1')  # Color NaNs grey
 .set_precision(2))